NVIDIA dokáže trénovať umelú inteligenciu cez „pár“ obrázkov 

ZDROJ | NVIDIA

NVIDIA na svojom blogu predstavila prezentáciu, s ktorou prichádza na aktuálnu konferenciu NeurIPS, prebiehajúcu virtuálne od 6. do 12. decembra. Týka sa novej techniky výučby neurónových sietí s názvom „adaptívne rozšírenie diskriminátora“ (adaptive discriminator augmentation, ADA), aplikovanej na populárny model NVIDIA StyleGAN2.

Výskumníci NVIDIA spracovali umelecké diela založené na menej ako 1 500 obrázkoch z Metropolitného múzea umenia. Podľa NVIDIA nová technológia ADA znižuje počet tréningových obrázkov 10- až 20-násobne, pričom stále dosahuje vynikajúce výsledky.

Tím NVIDIA Research sa skladá z viac ako 200 vedcov z celého sveta, ktorí sa zameriavajú na oblasti umelej inteligencie, počítačového videnia, autonómnych áut, robotiky a grafiky.

Pozrite siNová umelá inteligencia od Nvidie dokáže zmeniť reálne video na virtuálne

NVIDIA vyvinula nový prístup k učeniu takzvaných generatívnych súperiacich sietí (generative adversarial networks, GAN), ktorý by im mohol umožniť vykonávanie rôznych úloh.

ZDROJ | NVIDIA

Každý systém GAN sa skladá z dvoch konkurenčných neurónových sietí: generátora a diskriminátora. V jednom je cieľom algoritmu vytváranie nových obrázkov, druhý skúma tisíce vzorových obrázkov a dáta použije na „trénovanie“ svojho náprotivku. Aby sa dosiahli spoľahlivé výsledky, je potrebné v tradičných sieťach GAN spracovať až 100 000 tréningových obrázkov.

Vedci sa tento problém snažili obísť tým, že menšie súbory obrázkov doplnili ich skreslenými, alebo orezanými verziami. Tento prístup však nefungoval dobre, lebo GAN sa naučil napodobňovať tieto skreslenia namiesto vytvárania nových obrazov. Nový prístup spoločnosti NVIDIA k adaptívnemu rozšíreniu diskriminátora (ADA) tiež využíva rozšírenie dát, ale robí to adaptívne.

Namiesto skreslenia obrazu počas celého tréningového procesu sa uplatňuje selektívne. Pomocou nových postupov by výskumníci mohli so sieťami GAN riešiť mnoho náročných úloh, napríklad trénovanie algoritmu na zistenie zriedkavých neurologických porúch mozgu. Pre nedostatok tréningového „materiálu“ je náročné pri takýchto problémoch trénovať umelú inteligenciu na ich rozpoznávanie práve pre ich zriedkavosť.

Pozrite siUmelá inteligencia – zmení náš osud?

Rovnaká metóda by mohla významne prispieť k zlepšeniu diagnostických postupov v medicíne, napríklad vytvorením histologických snímok rakoviny, ktoré pomôžu trénovať ďalšie modely umelej inteligencie.

Ako bonus by mohli lekári a vedci ľahšie zdieľať svoje zistenia na základe obrázkov vytvorených umelou inteligenciou, nie získaných od pacientov v skutočnom svete.

ZdrojEngadget

Komentáre k článku